《构建实时机器学习系统》一1.6 实时应用对机器学习的要求-阿里云开发者社区

开发者社区> 华章计算机> 正文

《构建实时机器学习系统》一1.6 实时应用对机器学习的要求

简介: 本节书摘来自华章出版社《构建实时机器学习系统》一 书中的第1章,第1.6节,作者:彭河森 汪涵,更多章节内容可以访问云栖社区“华章计算机”公众号查看。
+关注继续查看

1.6 实时应用对机器学习的要求

现今每年都会发表成千上万的机器学习相关的论文,其中不乏表现突出的方法论,但是并不是所有的机器学习模型在实际应用中都适用。实时机器学习的应用主要有以下几个方面的要求。
1.模型可扩展性
模型可扩展性需要整个机器学习应用的各个部分均可以轻易地根据实际需要进行扩展。这里的扩展可能是增加新的预测变量,也可能是在新的市场、 人群和用户界面中进行使用,还有可能是加入新的架构部件,进行可视化等操作。
2.模型运用低延迟性
低延迟性是实时机器学习应用区别于其他机器学习应用的核心。根据定的义的不同,低延迟的界定也会有所不同。对于网页、交互式游戏等应用场景,低延迟需要整个机器学习后台在少于 10 个微秒内完成反应;与此相对应的是,对于后台数据分析、作弊检测等场景,低延迟要求整个机器学习后台能在少于一分钟内完成作业即可。
3.训练数据私密性
训练数据私密性是指,模型的用户能否通过逆向工程的办法,倒推出模型训练数据集的内容。如果训练数据集的内容可以被轻松倒推出来,那么可能会对训练集数据提供者的隐私和经济利益带来负面影响。这是近几年刚被机器学习业界意识到的一个重要问题。

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

相关文章
基于TensorFlow.js的JavaScript机器学习-Hello World
我们有一些基于TensorFlow.js的JavaScript机器学习尝试,可以分享一点心得。
33 0
使用 Kafka + Spark Streaming + Cassandra 构建数据实时处理引擎
Apache Kafka 是一个可扩展,高性能,低延迟的平台,允许我们像消息系统一样读取和写入数据。我们可以很容易地在 Java 中使用 Kafka。 Spark Streaming 是 Apache Spark 的一部分,是一个可扩展、高吞吐、容错的实时流处理引擎。
2827 0
《构建实时机器学习系统》一1.6 实时应用对机器学习的要求
本节书摘来自华章出版社《构建实时机器学习系统》一 书中的第1章,第1.6节,作者:彭河森 汪涵,更多章节内容可以访问云栖社区“华章计算机”公众号查看。
964 0
阿里云机器学习技术与应用
本文整理自2017云栖大会-成都峰会上阿里云高级专家刘吉哲的分享讲义。讲义主要分享了阿里云机器学习系统PAI2.0的算法、框架及其关键技术和应用举例。
1709 0
10059
文章
0
问答
来源圈子
更多
+ 订阅
文章排行榜
最热
最新
相关电子书
更多
《2021云上架构与运维峰会演讲合集》
立即下载
《零基础CSS入门教程》
立即下载
《零基础HTML入门教程》
立即下载